DFANet是一种实时语义分割网络，通过子网络聚合和子阶段聚合实现多尺度特征融合。它修改了Xception主干，增加fc attention模块，提升了模型的接受域和性能。实验表明，双主干网络结构在保持速度的同时提供了最佳的分割效果。
Deep Feature Aggregation for Real-Time Semantic Segmentation
DFANet
Contributions
-
修改了Xception主干，通过增加了一个全连接层FC加卷积以增加很少的额外计算来增强接受域，感觉增加的模块也是通道注意力机制，只不过与SENet的实现方式不同。
-
提出了一个全新的分割网络结构，具有多个相互连接的编码流，包括子网络聚合和子阶段聚合两部分，其中子网络聚合将一个主干的输出作为下一个主干的输入，子阶段聚合在多个网络之间融合阶段级的语义信息和空间信息，通过编码周期来组合特征。我们在同一深度的子网络中实现不同阶段的融合。
-
提供了一种更好的方式来，最大化多尺度接受域的使用，并在计算量略有增加的同时多次细化高级特性，采用了相当简单的decoder结构，对三个主干网络的不同阶段的输出进行了融合和卷积处理。
BackGround
网络结构
整体结构
上图表现了当前用于语义分割的一系列语义提取的方法:
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
